MétaCan
Menu
Retour à la cohorte
Enregistrement W4392107410 · doi:10.1177/15394492241229993

Automated Vehicles: Future Initiatives for Occupational Therapy Practitioners and Driver Rehabilitation Specialists

2024· review· en· W4392107410 sur OpenAlexaff
Sherrilene Classen, Isabelle Gélinas, Peggy P. Barco, Beth Gibson, Emily Haffner, Mary Jeghers, Isabelle Wandenkolk, Hannes Devos

Notice bibliographique

RevueOTJR Occupational Therapy Journal of Research · 2024
Typereview
Langueen
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSoftware deploymentContext (archaeology)LegislationOccupational therapyCertificationRehabilitationPublic relationsPolitical scienceMedicineMedical educationEngineering ethicsBusinessPsychologyEngineeringPhysical therapyLaw

Résumé

récupéré en direct d'OpenAlex

This article addresses a critically important topic for the occupational therapy (OT) profession and driver rehabilitation specialists (DRS), related to the introduction and deployment of personal and public automated vehicles (AVs); and discusses the current and corresponding changing roles for these professionals. Within this commentary, we provide an overview of the relevant literature on AV regulations, policy, and legislation in North America, the various levels of AV technology, and inclusive and universal design principles to consider in AV deployment for people with disabilities. The role of the OT practitioner and DRS is described within the context of the person-environment-occupation-performance model, and within the guidelines of the Association for Driver Rehabilitation Specialists and the American Occupational Therapy Association. The article concludes with considerations for an extended clinical agenda, a new research agenda, and a call for action to OT practitioners and DRS, as well as to educators, certification bodies, professional organizations, and collaborators.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,001
Communication savante0,0030,008
Science ouverte0,0020,003
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,339
Tête enseignante GPT0,615
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOTJR Occupational Therapy Journal of ResearchMême sujetOlder Adults Driving StudiesTravaux en français237 207